Resumen:La optimización de la inteligencia artificial (IA) para entornos dinámicos sigue siendo un desafío fundamental en la investigación del aprendizaje automático. En este artículo, examinamos métodos de entrenamiento evolutivo para optimizar la IA para resolver el juego 2048, un rompecabezas deslizante 2D. 2048, con su combinación de jugabilidad estratégica y elementos estocásticos, presenta un campo de juego ideal para estudiar la toma de decisiones, la planificación a largo plazo y la adaptación dinámica. Implementamos dos sistemas distintos: un sistema de metaprompting de dos agentes donde un agente “pensador” de modelo de lenguaje grande (LLM) refina las estrategias de juego para un agente LLM “ejecutor”, y un sistema de agente único basado en refinar una función de valor para una búsqueda de árbol de Monte Carlo limitada. También experimentamos con funciones de reversión para evitar la degradación del rendimiento. Nuestros resultados demuestran el potencial de las técnicas de refinamiento evolutivo para mejorar el rendimiento de la IA en entornos no deterministas. El sistema de agente único logró mejoras sustanciales, con un aumento promedio de 473,2 puntos por ciclo y con claras tendencias al alza (correlación $rho$=0,607) entre los ciclos de formación. La comprensión del juego por parte del LLM también creció, como lo demuestra el desarrollo de estrategias cada vez más avanzadas. Por el contrario, el sistema de dos agentes no obtuvo muchas mejoras, lo que pone de relieve los límites inherentes de la metaincitación.
Publicado originalmente en export.arxiv.org el 23 de octubre de 2025.
Ver fuente original
